BP神经网络误差修正的电力物资时间序列预测
传统的ARIMA时间序列分析方法是基于线性技术来进行时序预测,而对非线性数据的处理不尽合理,效果欠佳;而影响电力物资需求的因素非常多,绝大多数的物资序列通常既包含了线性时序的部分,又包含了非线性时序的成分.本文提出在ARIMA对电力物资需求预测的基础上,融合BP神经网络进行误差修正,以全面提取物资序列中的复合特征,提高电力物资的预测精度.实验结果表明,误差修正后的电力物资预测精度有了显著提高,可以为制定物资采购计划提供重要的数据支持.
时间序列、ARIMA模型、BP神经网络、误差修正、电力物资预测
26
TP2;TP3
2017-12-06(万方平台首次上网日期,不代表论文的发表时间)
共5页
196-200